АНАЛИЗ ПРОЦЕССА ПОЛУЧЕНИЯ ТОНКИХ ПЛЕНОК Sb2(SxSe1-x)3 ДЛЯ СОЛНЕЧНЫХ ЭЛЕМЕНТОВ
Загрузки
Процесс изготовления тонких плёнок Sb2(SxSe1-x)3 играет важную роль в определении их физических свойств и
эффективности солнечных элементов. Изучение взаимодействия параметров условий роста для оптимизации процесса
изготовления и повышения эффективности устройства требует значительных затрат времени и ресурсов. В данной работе
мы проанализировали экспериментальные данные с использованием методов машинного обучения (МО) для оптимизации
процесса изготовления тонких плёнок Sb2(SxSe1-x)3. Оптимизированные модели МО демонстрируют высокую точность
прогнозирования эффективность фотопреобразования со среднеквадратической ошибкой 1% и коэффициентом Пирсона r
= 0,9
1. X. Wang, R. Tang, C. Wu, C. Zhu, T. Chen, Development of antimony sulfide–selenide Sb2(S, Se)3-based solar cells, Journal
of Energy Chemistry 27 (2018). https://doi.org/10.1016/j.jechem.2017.09.031.
2. L. Zhang, K. Wu, J. Yu, Y. Yu, Y. Wei, Sb2Se3 films fabricated by thermal evaporation and post annealing, Vacuum 183
(2021). https://doi.org/10.1016/j.vacuum.2020.109840.
3. Y.C. Lin, C.H. Chang, Y.J. Hung, Bandgap grading via sputtering and post-selenization using SeS2 powder enabling
Sb2(S,Se)3 solar cells with 7.1% efficiency, Solar Energy Materials and Solar Cells 259 (2023).
https://doi.org/10.1016/j.solmat.2023.112464.
4. Y. Zhao, S. Wang, C. Li, B. Che, X. Chen, H. Chen, R. Tang, X. Wang, G. Chen, T. Wang, J. Gong, T. Chen, X. Xiao, J. Li,
Regulating deposition kinetics via a novel additive-assisted chemical bath deposition technology enables fabrication of
10.57%-efficiency Sb2Se3 solar cells, Energy Environ. Sci. 15 (2022). https://doi.org/10.1039/d2ee02261c.
5. X. Chen, B. Che, Y. Zhao, S. Wang, H. Li, J. Gong, G. Chen, T. Chen, X. Xiao, J. Li, Solvent-Assisted Hydrothermal
Deposition Approach for Highly-Efficient Sb2(S,Se)3 Thin-Film Solar Cells, Adv. Energy Mater. 13 (2023).
https://doi.org/10.1002/aenm.202300391.
6. S. Wang, Y. Zhao, B. Che, C. Li, X. Chen, R. Tang, J. Gong, X. Wang, G. Chen, T. Chen, J. Li, X. Xiao, A Novel MultiSulfur Source Collaborative Chemical Bath Deposition Technology Enables 8%-Efficiency Sb2S3 Planar Solar Cells,
Advanced Materials 34 (2022). https://doi.org/10.1002/adma.202206242.
7. S. Rühle, Tabulated values of the Shockley-Queisser limit for single junction solar cells, Solar Energy 130 (2016).
https://doi.org/10.1016/j.solener.2016.02.015.
8. G.X. Liang, Y. Di Luo, S. Chen, R. Tang, Z.H. Zheng, X.J. Li, X.S. Liu, Y.K. Liu, Y.F. Li, X.Y. Chen, Z.H. Su, X.H. Zhang,
H.L. Ma, P. Fan, Sputtered and selenized Sb2Se3 thin-film solar cells with open-circuit voltage exceeding 500 mV, Nano
Energy 73 (2020). https://doi.org/10.1016/j.nanoen.2020.104806.
9. J. Dong, Y. Liu, Z. Wang, Y. Zhang, Boosting V OC of antimony chalcogenide solar cells: A review on interfaces and defects
, Nano Select 2 (2021) 1818–1848. https://doi.org/10.1002/nano.202000288
10. J. Zhou, H. Chen, X. Zhang, K. Chi, Y. Cai, Y. Cao, J. Pang, Substrate dependence on (Sb4Se6)n ribbon orientations of
antimony selenide thin films: Morphology, carrier transport and photovoltaic performance, J. Alloys Compd. 862 (2021).
https://doi.org/10.1016/j.jallcom.2021.158703.
11. A. Mavlonov, T. Razykov, F. Raziq, J. Gan, J. Chantana, Y. Kawano, T. Nishimura, H. Wei, A. Zakutayev, T. Minemoto,
X. Zu, S. Li, L. Qiao, A review of Sb2Se3 photovoltaic absorber materials and thin-film solar cells, Solar Energy 201 (2020).
https://doi.org/10.1016/j.solener.2020.03.009
12. H. Chen, Z.Q. Li, B. Sun, X.D. Feng, Towards high-efficiency planar heterojunction antimony sulfide solar cells, Opt. Mater.
(Amst). 121 (2021). https://doi.org/10.1016/j.optmat.2021.111556.
13. J. Xue, J. Huang, G. Liu, M. Li, Z. Wei, Z. Lai, N. Qu, Y. Liu, Y. Fu, J. Zhu, Efficient design of lightweight AlCrFeNiTibased high-entropy alloys via computational thermodynamics and interpretable machine learning, Vacuum 225 (2024)
113290. https://doi.org/10.1016/J.VACUUM.2024.113290.
14. C. Zhu, W. Liu, Y. Li, X. Huo, H. Li, K. Guo, B. Qiao, S. Zhao, Z. Xu, H. Zhao, D. Song, Key factors governing the device
performance of CIGS solar cells: Insights from machine learning, Solar Energy 228 (2021).
https://doi.org/10.1016/j.solener.2021.09.031.
15. G. Otnes, D. Lindholm, H. Fjær, P. Seljom, S.E. Foss, Machine learning assisted representative period selection as input to
modelling of field degradation in photovoltaic modules, Solar Energy Materials and Solar Cells 263 (2023) 112559.
https://doi.org/10.1016/J.SOLMAT.2023.112559.
16. F. Li, X. Peng, Z. Wang, Y. Zhou, Y. Wu, M. Jiang, M. Xu, Machine Learning (ML)-Assisted Design and Fabrication for
Solar Cells, Energy and Environmental Materials 2 (2019) 280–291. https://doi.org/10.1002/eem2.12049.
17. Ç. Odabaşı, R. Yıldırım, Machine learning analysis on stability of perovskite solar cells, Solar Energy Materials and Solar
Cells 205 (2020). https://doi.org/10.1016/j.solmat.2019.110284.
18. Y. Liu, W. Yan, S. Han, H. Zhu, Y. Tu, L. Guan, X. Tan, How Machine Learning Predicts and Explains the Performance of
Perovskite Solar Cells, Solar RRL 6 (2022). https://doi.org/10.1002/solr.202101100.
19. J. Li, B. Pradhan, S. Gaur, J. Thomas, Predictions and Strategies Learned from Machine Learning to Develop HighPerforming Perovskite Solar Cells, Adv. Energy Mater. 9 (2019). https://doi.org/10.1002/aenm.201901891.
20. S.M. Lundberg, S.I. Lee, A unified approach to interpreting model predictions, in: Adv. Neural Inf. Process. Syst., 2017
Copyright (c) 2026 «ВЕСТНИК НУУз»
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.
.jpg)
2.png)
